目前，谷歌一家人工智能企业创建的人工智能，已预测出200多万种可能性材料，有助于彻底改变材料科学，为制造更好的电池、太阳能电池板和更多重要技术提供新方法。
在国际科技期刊《自然》近日发表的“为材料发现扩展深度学习”一文中，研究者们扩大了机器学习在材料探索方面的应用，首次建立了能够准确预测稳定性的模型，从而为新材料探索提供指导。
这种人工智能模型被称为“材料探索图网络”（GNOME），旨在预测无机晶体结构。这种结构是原子的重复排列，使材料具有特殊属性。
从新能源汽车电池到太阳能电池，一旦发现新材料无疑将加速技术层面的突破。已知的无机晶体结构约有4.8万种，它们提供了具有各种特性的材料，虽然其中一些新结构可能会衰变成更稳定的形式，或者根本不可能被创造出来，但有700多项预测已在实验室中实现。
谷歌这家人工智能企业的研发团队，在现有的已知无机晶体数据库上训练 GNOME，并利用它通过改变元素或利用已知晶体的对称性生成新的可能晶体，还预测了新晶体的能量，这是衡量晶体稳定性的一个标准。
研究人员利用量子力学模拟来评估这些能量预测的准确性，然后将这些结果反馈到 GNOME结构预测中。每一轮预测，模型对新型稳定晶体的普适性都越来越好。（实习生王雨珂）
来源：科普时报
网址：http://digitalpaper.stdaily.com/http_www.kjrb.com/kjwzb/html/2024-03/08/content_568190.htm?div=-1
上一篇：数字技术助力果树精准施药
下一篇：走近带给我们惊喜的超导材料
